图表选择可视化指南：柱状图：比大小与构成（深度版）

比较不同类别的数值大小，或展示构成比例（堆叠/百分比）。类别少而清晰时首选。

分类：📈 基础图　适用：各方案得分对比、各地区数量、构成占比

一、这个图适合谁（适用场景）

各方案得分对比
各地区数量
构成占比

二、图表结构要素

横轴=类别（离散）
纵轴=数值
可分组/堆叠
排序更易读

三、可视化的底层逻辑

柱状图用的是"长度/高度"通道（感知精度第二档，仅次于位置），正好适合离散类别的大小比较——人对"哪根柱子更长"的判断又快又准。但它有一个致命前提：纵轴必须从 0 开始。因为长度比较依赖"从同一基线出发的绝对长度"，一旦截断基线，视觉长度差被人为放大，真实比值与视觉比值脱节，这是柱状图最常见的误导性丑图。另一条经验：类别数遵循 Miller 的"7±2"短时记忆上限，超过约 10 类人类就难以同时比较，应聚合或改用横向条形图。核心思想：用高精度长度通道做精确比较，且绝不破坏基线。

四、视觉编码与感知推导

基线截断失真：显示长度 $L_{\text{显示}}=s\cdot(v-v_{\min})+b$ ，其中 $b$ 为纵轴起点偏移（正常 $b=0$ ）。真实比值 $v_1/v_2$ 与视觉比值

$\frac{L_1}{L_2}=\frac{s(v_1-b)+b'}{s(v_2-b)+b'}\neq \frac{v_1}{v_2}\quad(\text{当 }b\neq0)$

$b$ 越接近 0 失真越小。故"纵轴从 0"不是在美学，而是在保证视觉比=真实比。

排序降低搜索成本：类别按值降序排列后，最大值在视觉 $O(1)$ 定位；未排序则需通读全部 $n$ 根柱子，搜索成本 $O(n)$ 。当 $n$ 大时排序的收益线性放大。

类别可辨上限：人可同时比较的离散类别数约 $7\pm2$ （Miller 定律）。 $n>10$ 时建议先聚合（如按区域合并）或转横向条形图（利用更长横向空间）；否则读者无法在单图内完成全比较。

五、怎么画（步骤）

类别≤10 用柱状；太多改用条形图（横向）或先聚合。
要比较构成 → 堆叠柱状或 100% 堆叠。
按数值排序让高低一目了然。
纵轴从 0 开始，避免夸大差异。
加数据标签，省去读者猜高度。

六、何时用 / 何时不用 / 常见丑图

何时用：类别间『谁大谁小』『占比多少』。
何时不用：连续趋势 → 折线；关系 → 散点。
常见丑图：纵轴不从0、3D 柱状扭曲、类别过多拥挤。

七、常见坑

纵轴截断夸大差异
3D 柱状图失真
类别过多看不清

八、画图自检清单

类别数合适或已聚合
纵轴从0
已排序/加标签
构成用堆叠清晰

九、配套资源与搭配

评价类问题怎么选方法
论文图表规范与排版
图表选择可视化指南

本指南由 MCM520 资料站自动生成（深度版），配套论文图表规范与可视化模板可在资源页下载。

十、实战案例——Python 绘制 + 图效果

假设你正在做一道数学建模题，需要从 5 个备选方案中选出最优。
你已用 AHP-熵权法算出各方案的综合得分，最直观的展示方式就是柱状图。

案例场景：某物流选址问题，方案 A-E 的综合评分如下：
方案 A：86.4 | 方案 B：92.1 | 方案 C：78.6 | 方案 D：88.9 | 方案 E：95.2

用柱状图展示时，记得：按得分降序排列、纵轴从 0 开始、加数据标签。

完整代码（Python + matplotlib）

import matplotlib.pyplot as plt

labels = ['方案E', '方案B', '方案D', '方案A', '方案C']
scores = [95.2, 92.1, 88.9, 86.4, 78.6]
colors = ['#dc2626', '#2563eb', '#7c3aed', '#f59e0b', '#16a34a']

plt.figure(figsize=(8, 4))
bars = plt.bar(labels, scores, color=colors, edgecolor='white', linewidth=1.2)
for bar, score in zip(bars, scores):
    plt.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 1,
             f'{score:.1f}', ha='center', va='bottom', fontsize=11, fontweight='bold')
plt.ylabel('综合得分', fontsize=12)
plt.title('五个方案综合评分对比', fontsize=14, fontweight='bold')
plt.ylim(0, 105)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

运行效果图

图X1 五个方案综合评分对比柱状图

本指南由 MCM520 资料站生成，配套 Python 代码可直接运行。